53
правки
Изменения
→NNETAR
Мы можем моделировать будущие выборочные пути этой модели итеративно, случайным образом генерируя значение для $\epsilon_t$ либо из нормального распределения, либо путем повторной выборки из исторических значений.<br> Так что если
$\epsilon_epsilon^*_{T+1}*${{---}} случайная выборка из распределения ошибок в момент времени $T+1$,<br> тогда $y_y^*_{T+1}* = f(y_T) + \epsilon_epsilon^*_{T+1}*$ {{---}} один из возможных вариантов распределения прогнозов для $y_{T+1}$ <br>Установив $y_y^*_{T+1}* = (y_y^*_{T+1}*, y_{T})'$, мы можем повторить процесс, чтобы получить $y_y^*_{T+2}* = f(y_{T+1}) + \epsilon_{T+2}$. <br>
Таким образом, мы можем итеративно моделировать будущий путь выборки. Повторно моделируя выборочные пути, мы накапливаем знания о распределении всех будущих значений на основе подобранной нейронной сети.
